Programy R

### Podejście modelowe - predykcja wartości globalnej
# Założenie niezalezności zmiennych losowych,
# model regresyjny w populacji

###############################################################

m_regpop_wg<-function(Ys,Xs,Xr) {
n<-length(Ys)
Nr<-nrow(Xr)
N<-Nr+n
p<-ncol(Xs)

Js<-matrix(1,ncol=1,nrow=n)
Jr<-matrix(1,ncol=1,nrow=Nr)
eB<-solve(t(Xs)%*%Xs)%*%(t(Xs)%*%Ys)
esig2<-t(Ys-Xs%*%eB)%*%(Ys-Xs%*%eB)/(n-p)

pred<-t(Js)%*%Ys+ t(Jr)%*%Xr%*%eB
eD2_a<-(N-n)*esig2
eD2_b<-esig2*t(Jr)%*%Xr%*%solve(t(Xs)%*%Xs)%*%t(Xr)%*%Jr
eD2<-eD2_a+eD2_b #ocena wariancji błędu predykcji
eD<-sqrt(eD2) #ocena średniego błędu predykcji
egam<-100*eD/pred #ocena średniego względnego błędu predykcji
wynik<-matrix(c(pred,eD2,eD,egam),ncol=1)

########### poniższe 3 linie formatujące wynik końcowy mogą być pominięte na kolokwium
wynik<-formatC(wynik,format="f")
nazwa<-list(c("predyktor","ocena wariancji błędu predykcji","ocena średniego błędu predykcji","ocena średniego względnego błędu predykcji (w %)"),c("wartość"))
dimnames(wynik)<-nazwa
###########
wynik
}